AI कोडिंग एजंट तैनात करणारे एंटरप्रायझेस लवकरच त्यांच्या विकसकांच्या AI टोकन वापरासाठी तेवढे पैसे देऊ शकतात जितके ते स्वतः विकासकांच्या पगारासाठी करतात, CIO.com द्वारे 24 जून 2026 रोजी नोंदवलेल्या गार्टनरच्या आश्चर्यकारक नवीन विश्लेषणानुसार.

गार्टनरचे वरिष्ठ मुख्य विश्लेषक नितीश त्यागी यांच्या अंदाजानुसार, पुढील दोन वर्षांत AI टोकन खर्च सामान्य सॉफ्टवेअर अभियंत्यांच्या मासिक पगाराची पूर्तता करेल किंवा त्यापेक्षा जास्त होईल. अंदाज फ्लॅट प्रति-सीट SaaS मॉडेलमधील मूलभूत बदल दर्शवितो ज्यावर एंटरप्रायझेस वर्षानुवर्षे उपभोग-आधारित किंमतींवर अवलंबून आहेत, जिथे प्रत्येक API कॉल, प्रत्येक संदर्भ विंडो विस्तार आणि प्रत्येक एजंट-चालित वर्कफ्लो बिलात भर घालतो. AI इंडस्ट्री ट्रान्सफॉर्मेशन च्या व्यापक अर्थशास्त्राचा मागोवा घेणाऱ्या एंटरप्राइझसाठी, स्वस्त AI प्रयोगाचा हनीमून टप्पा संपत असल्याचा इशारा देतो.

चेतावणीमागील संख्या

गार्टनरचा अंदाज जागतिक सरासरी डेव्हलपरच्या पगारावर दरमहा $2,000 वर आधारित आहे हे स्पष्ट करण्यासाठी त्यागी सावध होते. युनायटेड स्टेट्समध्ये, जेथे वार्षिक विकसक भरपाई नियमितपणे सहा आकड्यांपेक्षा जास्त आहे, समतुल्य टोकन खर्च अद्याप समानतेपर्यंत पोहोचलेला नाही. पण हे अंतर झपाट्याने संपत आहे.

"माझ्या डेव्हलपरने गेल्या महिन्यात $20K वापरला' किंवा 'व्यावसायिक वापरकर्त्याने $32K वापरला' यासारखे भयानक आकडे मी ऐकले आहेत," त्यागी यांनी CIO.com ला सांगितले. "टोकन खर्चाचे नियमन आणि नियंत्रण न केल्यास उद्योगाला सावध करणे हे उद्दिष्ट आहे."

खर्चाचा स्फोट अनेक अभिसरण घटकांद्वारे चालविला जातो. विकसक वेगाने जनरेटिव्ह एआय आणि एजंटिक कोडिंग टूल्सचा अवलंब करत आहेत आणि ही साधने साध्या चॅट-आधारित परस्परसंवादापेक्षा कितीतरी जास्त टोकन वापरतात. एजंट-चालित वर्कफ्लो, जे विस्तारित कालावधीसाठी स्वायत्तपणे चालवू शकतात, ते कोडबेसद्वारे पुनरावृत्ती करत असताना मोठ्या प्रमाणात टोकन वापर निर्माण करतात, फुगलेल्या संदर्भ विंडोची देखभाल करतात आणि वारंवार API कॉल करतात.

खर्च नियंत्रणाबाहेर का होत आहेत

समस्येचा भाग संरचनात्मक आहे. त्यागी ज्याला "परिपक्व, अंगभूत खर्च ऑप्टिमायझेशन क्षमता" म्हणतात त्या एआय कोडिंग विक्रेत्यांनी अद्याप वितरित करणे बाकी आहे. एंटरप्रायझेस इन्फ्रास्ट्रक्चर गुंतवणुकीसाठी पैसे देत आहेत जे विक्रेते ग्राहकांना देत आहेत आणि एकाच वेळी नफा राखण्याचा प्रयत्न करीत आहेत. परिणाम अपारदर्शक आणि वाढणारे दोन्ही प्रकारची किंमत लँडस्केप आहे.

अनेक संस्थांमध्ये त्यांचा AI खर्च गुंतवणुकीवर परतावा देत आहे की नाही हे निर्धारित करण्यासाठी परिपक्वता आणि प्रशासन फ्रेमवर्कचा अभाव आहे. संदर्भ खिडक्या फुगल्या आहेत, अंदाजपत्रक अपेक्षेपेक्षा लवकर संपले आहे आणि टोकन खर्चाचे समर्थन करणे कठीण होते. या समस्येचे निराकरण करून, नॉन-डेव्हलपर्स वाढत्या प्रमाणात AI टूल्सचा अवलंब करत आहेत कारण ते त्यांच्याशी अधिक परिचित होत आहेत आणि संपूर्ण संस्थेमध्ये वापर वाढवत आहेत.

कदाचित सर्वात उलटसुलटपणे, त्यागी यांनी नमूद केले की विकसक वापरत असलेल्या टोकनची मात्रा आणि त्यांच्या वास्तविक उत्पादकता नफा यांच्यात कोणताही "थेट संबंध" नाही. अधिक टोकन्सचा अर्थ आपोआप चांगला कोड किंवा जलद वितरण असा होत नाही.

"टोकनमॅक्सिंगचा थेट उच्च उत्पादकता वाढीशी संबंध नाही," त्यागी म्हणाले, "परंतु टोकन वापर ऑप्टिमाइझ करणे आहे."

खर्च नियंत्रणासाठी गार्टनरचे प्रिस्क्रिप्शन

गार्टनर एंटरप्राइजेसना एआय कोडिंग एजंट्स सोडण्याचा सल्ला देत नाही. त्यापासून दूर. वसुली करण्यायोग्य पातळीच्या पलीकडे खर्च वाढण्यापूर्वी कंपनीचे मार्गदर्शन केंद्र शासन आणि खर्च नियंत्रणे स्थापित करते.

विशिष्ट शिफारसींपैकी:

  • टोकन थ्रेशोल्ड सेट करा. संस्थांनी स्पष्ट खर्च मर्यादा आणल्या पाहिजेत आणि बजेट कमी होण्याआधी पळून जाणारा वापर पकडण्यासाठी स्वयंचलित वापर निरीक्षण केले पाहिजे.
  • स्वायत्ततेच्या पातळीनुसार कार्यांचे वर्गीकरण करा. गार्टनरने तीन कार्यान्वित मॉडेलमध्ये कामाचे विभाजन करण्याचे सुचवले आहे: विकासक-नेतृत्व, विकासक-एजंटसह आणि पूर्णपणे एजंट-नेतृत्व. प्रत्येक कार्याला फ्रंटियर-मॉडेल टोकन वापराची हमी दिली जात नाही.
  • जटिलतेनुसार मार्ग. सोपी, उच्च-फ्रिक्वेंसी कार्ये लहान, स्वस्त मॉडेल्सकडे निर्देशित केली जावीत, जटिल, उच्च-मूल्याच्या कामासाठी राखीव असलेल्या फ्रंटियर मॉडेल्सकडे वाढ केली पाहिजे.
  • मँडेट संदर्भ अभियांत्रिकी. विकसकांना ते AI ला दिलेला संदर्भ ऑप्टिमाइझ करण्यासाठी प्रशिक्षित केले पाहिजे, ज्यामध्ये केवळ संबंधित माहिती आणि टोकन ओव्हरहेड कमी करण्यासाठी शक्य असेल तेथे सारांश देणे समाविष्ट आहे.

एक नवीन उत्पादकता मेट्रिक

पारंपारिक "कोड लिखित" मेट्रिक अप्रचलित झाली आहे कारण AI टूल्सने संपूर्ण Python लायब्ररी सेकंदात निर्माण करण्यास सुरुवात केली आहे. गार्टनरचे म्हणणे आहे की मूल्य आता कच्च्या आउटपुट व्हॉल्यूमपेक्षा गुणवत्ता, वेग आणि ग्राहकांच्या समाधानामध्ये मोजले पाहिजे.

एंटरप्राइझने विचारले पाहिजेत असे महत्त्वाचे प्रश्न ज्यामध्ये विकासक महत्त्वाची वैशिष्ट्ये किती लवकर रिलीझ करू शकतात, विकास आणि अभिप्राय यामध्ये किती वेळ कमी होतो आणि गुणवत्ता राखून पटकन पाठवणे हा खरा स्पर्धात्मक फायदा निर्माण करत आहे का.

त्यागी यांनी नेत्यांना दिलेला सल्ला व्यावहारिक आहे: वाढत्या एआय कोडिंग खर्चाला एआयपासून दूर जाण्याचे कारण मानू नका आणि प्रत्येक गोष्टीसाठी ओपन-सोर्स मॉडेल्सकडे वळू नका. या साधनांनी मिळणाऱ्या मूल्याशी तडजोड न करता खर्च इष्टतम करणे हे ध्येय आहे, यावर त्यांनी जोर दिला.

ब्रॉडर एंटरप्राइझ पिक्चर

गार्टनर चेतावणी अशा क्षणी येते जेव्हा उद्योगांमधील उपक्रम AI प्रयोगातून स्केल तैनातीकडे जात आहेत. कंपन्या खर्च करण्यावर आणि ठोस परिणामांची मागणी करण्यावर लगाम घालत आहेत आणि AI गुंतवणूक आणि मोजता येण्याजोगा परतावा यांच्यातील डिस्कनेक्ट हा बोर्ड-स्तरीय चिंतेचा विषय बनत आहे.

विशेषत: सॉफ्टवेअर डेव्हलपमेंट संघांसाठी, संदेश स्पष्ट आहे: अमर्यादित एआय टोकन वापराचे युग टिकाऊ नाही. गव्हर्नन्स फ्रेमवर्कची अंमलबजावणी करण्यात अयशस्वी होणाऱ्या एंटरप्राइझना आता त्यांच्या AI कोडिंग टूल्सची किंमत त्यांना वाढवण्यासाठी असल्या अभियंतांपेक्षा अधिक असल्याचा धोका आहे.

---

AI च्या आर्थिक प्रभावापासून पुढे रहा

एंटरप्राइझ खर्चाच्या दबावापासून ते अब्ज डॉलरच्या निधीच्या फेऱ्यांपर्यंत, AI चा व्यवसाय वेगाने पुढे सरकतो. तंत्रज्ञानाच्या लँडस्केपला पुन्हा आकार देणाऱ्या आर्थिक शक्तींच्या सखोल विश्लेषणासाठी AI Buzz Wire फॉलो करा.

अधिक एआय बातम्या वाचा →